[发明专利]一种基于序列影像Harris‑DOG特征提取的多粒度并行优化的方法

摘要

本发明涉及一种基于序列影像Harris‑DOG特征提取的多粒度并行优化的方法，首先进行相应的任务划分，主机端（CPU）采用多线程方式处理，读入影像并上传至GPU全局存储器。然后进行Harris特征提取时，CPU初始化相关的参数，并上传参数值至GPU；进行DOG特征提取时，CPU计算高斯模板并绑定到GPU常量存储器。设备端（GPU）采用CUDA并行方式处理，Harris‑DOG算子特征提取算法针对同样的原始图像输入，分别运用Harris算子和DOG算子进行特征点提取，并回传计算结果至CPU。最后主机端进行特征点集合构建和合并。本发明可以有效地对序列影像Harris‑DOG特征提取进行加速优化。

主权项

一种基于序列影像Harris‑DOG特征提取的多粒度并行优化的方法，其特征在于，包括以下步骤：步骤1：Harris‑DOG特征提取的CUDA并行程序分为主机端CPU代码和设备端GPU代码，主机端负责数据预处理、数据汇总和GPU设备管理，设备端则负责并行计算；步骤2：主机端采用多线程方式处理，读入序列影像，然后上传至GPU全局存储器；步骤3：在主机端，初始化Harris特征提取所需的参数并上传参数值至GPU；计算进行DOG特征提取所需的高斯模板并绑定到GPU常量存储器；具体包括：步骤3.1、对于Harris特征提取，主机端首先读入原始图像存放于内存中并初始化邻域窗口大小等参数，然后一并上传到GPU端；步骤3.2、对于DOG特征提取，主机端一次性生成所有n个不同尺度下的高斯滤波模板，并将其绑定到GPU端常量存储器中，以提高访存速度；步骤4：设备端采用CUDA并行方式处理，GPU线程采用条带状划分，即所有的线程以一维方式组织，不同线程对应图像同一像素行的不同像素列，每个block设置256个线程；计算过程中，按像素行进行计算，由于block的设置,图像又以256个像素列分为多个部分，每个部分之间有若干像素列相互重叠，以保证最终结果的正确性；步骤5：GPU运用Harris算子进行特征提取，回传Harris响应值至CPU，具体包括：步骤5.1：在GPU端分别计算图像在水平方向和竖直方向上的一阶导数；步骤5.2：计算自相关矩阵M；步骤5.3：计算每个像素点的Harris响应值H，并且将计算结果回传到CPU端；步骤6：针对同样的原始影响输入，GPU运用DOG算子进行特征提取，回传NMS方法的计算结果至CPU；步骤7：在主机端，对于Harris特征提取，CPU用32*32像素的网格将图像进行分割，在每个网格中提取出响应值H最大的4个像素点作为特征点；对于DOG特征提取，CPU计算每个32*32网格中差分值D最大的4个点作为特征点。